bepaly体育

由GloriaGennaro和Elliott Ash

在政治中,当理性和情感碰撞时,情绪总是胜利。
-德鲁·韦斯顿,《政治头脑

在他的论文中修辞亚里士多德认为,说服既可以通过逻辑论证,也可以通过激发观众的情感来实现。情感和情感(情感)与理性和认知(理性)之间的这种经典二分法不仅为哲学提供了信息,也为社会科学提供了信息,尤其是政治修辞学的研究。

在政治沟通的日常天,政治家不断决定如何放大或约束情绪表达,以便在信号传导政策优先事项或说服同事和选民的服务中。政治家在情感和理性之间选择的因素是许多人,并且可以包括个人心理学,政治压力和制度激励。为了获得对这些因素的科学了解,一步是在政治交流中产生情感表达的测量。在我们最近提出的研究中工作文件,我们建议利用政客演讲的转录文本来量化政治中的情感。我们的新方法将在下面详细描述,它使用了计算语言学工具,并且可以根据人类对情绪的判断进行验证。

图1  - 美国大会的情感表演,1858  -  2014年参议院(红色)和代表房屋(绿色)的情绪系列

图1 - 1858 - 2014年美国国会的情感情绪

参议院(红色)和代表房子的时间序列(绿色)

我们使用一种基于文本的方法来分析156年间(1858年至2014年)美国国会600万份演讲文本中的情绪。如图1所示,在战争时期,情绪表达高峰。自上世纪70年代末CSPAN开始电视转播议员辩论以来,人们的情绪一直在上升。

在任何一年里,情绪-原因的组合也会因不同的话题而变化。情感在爱国主义、外交政策和社会问题的演讲中最高,而理性在程序、政府组织和税收政策的演讲中更普遍。然而,在税收政策方面,共和党人的情绪化程度是民主党人的两倍多。共和党人似乎是用感情而不是逻辑来为加剧不平等的税收政策辩护。

我们看到,总的来说,民主党人和共和党人在使用情感语言方面没有太大的区别。然而,少数党成员比多数党派的成员系统更多的情感,我们看到一个惊人的趋势不断翻转的政党控制翻转(图2)。在民主党的长期控制在20世纪下半叶,共和党人一直使用更多的情感语言。反过来,在1994年共和党夺回众议院后,民主党人变得更加情绪化。在整个时间序列中,众议院多数席位的变化对应着两党相对情绪的变化。

图2  - 由派对和党的大多数时间系列情感情感在民主党(蓝色)和共和党人(红色),1900-2014中的党组织的情感情绪。蓝色和红色地区表示代表院里的民主多数。

图2 - 党和党的大多数党的会员情感性

1900-2014年众议院民主党(蓝色)和共和党(红色)的情绪时间序列。蓝色和红色地区表示代表院里的民主多数。

在立法者之间比较,我们看到了女性,种族少数群体和宗教少数群体的平均更具情感演讲。我们还发现,在政治频谱的左端和右端,那些倾向于思想极端的人(在政策上的投票方面)在他们的演讲中最为情绪化(图3)。所有这些关系历史上大致持续并跨主题持有。

图3 -情绪和政策意识形态横轴报告DW提名得分,维度1;垂直轴报告Bin的平均情绪分数

图3 -情绪和政策意识形态

横轴报告DW提名分数,尺寸1;垂直轴报告Bin的平均情绪分数

从这些结果,我们可以看到一些有趣的形状形成的经验图景,美国政客如何使用情感辞令。首先,情绪出现在剥夺权力的情况下,不仅当政客是少数党成员,而且当他们是弱势少数群体的成员,无论在性别、种族和/或宗教方面。其次,政客们对阶级不平等或意识形态两极分化等冲突的反应更加情绪化。第三,也是最后,媒体技术(例如电视)似乎在放大这些振奋人心的因素方面发挥了作用。这些发现都为未来情感与政治关系的实质性研究指明了有前途的道路。

多亏了我们在政治语言中测量情绪的新方法,这些科学调查现在成为可能。我们的方法建立在最近开发的计算语言学工具上,这些工具将语言中的语义维度表示为向量空间中的几何维度。为此目的的算法-词嵌入-将词和短语转换成向量,在向量中相似的词倾向于共同定位,空间(维度)的方向对应于语义上有意义的概念(例如。Collobert和Weston 2008).

在我们的研究中,我们构建了一个维度,一个对应于理性,另一个对应于情感。起点是一系列情感词汇和认知词汇,由德克萨斯大学(University of Texas)的语言学家(Pennebaker等人。2015年).我们在词空间中找到这些点,然后构建极点作为各自的词组的平均向量(图4)。词的相对情感性是相对于认知极点的情感极点的接近程度。反过来,文档的情绪性是整个文档组成词的平均情绪性。由此产生的几何情感量表是连续的,不依赖于特定单词的出现。

图4 -  情感和认知的语义极点每个词云报告最接近各自质心的词典词。左边的图描述了认知中心;右边的图描述了情感中心。大小表示与各自质心的接近程度。距离通过字典归一化到最大距离。

图4 -情感和认知的语义极点

每个单词云报告最接近各自质心的字典单词。左边的图描述了认知中心;右边的图描述了情感中心。大小表示与各自质心的接近程度。距离通过字典归一化到最大距离。

在人类验证中,注释者以或多或少的情绪中排名一对句子,我们的指标同意人为判断超过90%的时间(比基于文字的措施更频繁)(图5)。重要的是,该措施为国会纪录的整个历史提供了有效的情感排名,返回到1850年代,这意味着我们可以在很长的时间框架上进行有效的经验比较。

图5  - 从使用谷歌N-GRAMS数据集的辅助分析中的人力验证示例,我们知道更广泛社会的情绪在此期间下降,这意味着向上趋势是特定于政治的。

图5 -人类验证的例子

从使用的辅助分析谷歌字格数据集,我们知道在这段时间里,整个社会的情绪都在下降,这意味着上升的趋势是特定于政治的。

从使用的辅助分析谷歌字格数据集,我们知道在这段时间里,整个社会的情绪都在下降,这意味着上升的趋势是特定于政治的。


关于

GloriaGennaro是在埃尔·苏黎世公共政策集团和移民政策实验室的博士后研究员。她掌握了博士学位。博克西大学的社会与政治科学,并在哈佛大学和纽约举行的访问职位。格罗利亚在比较政治经济中的研究利用因果推断和计算社会科学探讨了民主社会中的选举行为。beplay官网ios

艾略特灰是在苏黎世的助理法律教授,经济学和数据科学。在加入Eth之前,Elliott是Warwick大学经济学助理教授,并在普林斯顿大学的博士后研究伙伴们担任民主政治研究。他收到了博士学位。在经济学和J.D.来自哥伦比亚大学,A B.A.在奥斯汀德克萨斯大学的经济学,政府和哲学中,以及LL.M.来自阿姆斯特丹大学的国际刑法。Elliott的研究将来自经济学和数据科学的工具应用于法律和政治。